导航
AI BENCHY
比较 图表
❤️ Made by XCS
Your ad here

AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs OpenAI: gpt-oss-120b

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标 Anthropic: Claude Sonnet 4.6 none 发布日期: 发布日期未知 OpenAI: gpt-oss-120b medium 发布日期: 发布日期未知 免费可用
排名 #14 #25
分数 6.36 5.64
一致性 9.50 7.55
每个结果成本 1.325 0.101
总成本 $0.106 $0.008
测试正确
错误测试数 6 7
尝试通过率 59.5% 59.5%
不稳定测试 1 4
输出令牌 2,637 11,407
推理令牌 0 26,106

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 4.00 10.00 33.3% 0 1,199 0
OpenAI: gpt-oss-120b 7.00 9.81 66.7% 0 3,463 2,077
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 252 0
OpenAI: gpt-oss-120b 5.50 5.87 66.7% 1 241 1,114
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 7.00 10.00 66.7% 0 54 0
OpenAI: gpt-oss-120b 1.00 4.41 22.2% 2 6,018 18,520
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 5.50 10.00 50.0% 0 90 0
OpenAI: gpt-oss-120b 10.00 10.00 100.0% 0 120 1,770
Puzzle Solving 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 5.00 7.68 44.4% 1 595 0
OpenAI: gpt-oss-120b 5.00 7.13 44.4% 1 1,278 1,542
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 447 0
OpenAI: gpt-oss-120b 9.00 9.97 100.0% 0 287 1,083

切换对比组合

将 Anthropic: Claude Sonnet 4.6 与...对比

将 OpenAI: gpt-oss-120b 与...对比